正则表达式
正则表达式
正则表达式是一种用于匹配和操作文本的强大工具，它是由一系列字符和特殊字符组成的模式，用于描述要匹配的文本模式
结构
我们来看一个典型的正则表达式，该表达式用于匹配中国大陆身份证号码
/^(?<province>1[1-5]|2[1-3]|3[1-7]|4[1-6]|5[1-3]|6[1-5]|7[1-3]|8[1-2]|9[1-2])[0-9]{4}(?<birthday>19[0-9]{2}|20[0-1][0-9])(0[1-9]|1[0-2])(0[1-9]|[12][0-9]|3[01])(?<sequence>[0-9]{3})(?<check>[0-9Xx])$/ |
正则表达式以/^和$/作为定界符，分别表示正则表达式的开始与结束，字符 ^ 和 $ 同时使用时，表示精确匹配
形如(?<province>...)或 (?'province'...)的结构称为命名捕获组，表示将匹配的内容捕获进名为province的组中
1[1-5]|2[1-3]|这表示第一位数字为1时，第二位数字只能为1~5中的值，如果第一位数字为2，则第二位数字的取值范围则为1~3，因此可见|符号用于表达一种逻辑或关系
在第一个命名捕获组结束后，{4}为精确数量限定符，表示前面的模式必须恰好重复4次，用于匹配身份证中的市级、县级地址码，该限定符只对前面的[0-9]有效，表示第一个命名捕获组结束后应接4个任意数字
后面生日的部分就很好理解了，这里匹配了1900~2019年间出生的人，还有顺序码，匹配三位数字
最后是校验码，[0-9Xx]表示匹配任意数字和字母X和x
元字符
正则表达式中的元字符是具有特殊含义的字符，它们不表示字面意义，而是用于控制匹配模式
基本元字符
| 元字符 | 功能描述 | 示例 |
|---|---|---|
. |
匹配**除换行符(\n)**外的任意单个字符 | a.b |
^ |
匹配字符串的开始位置 | ^abc |
$ |
匹配字符串的结束位置 | xyz$ |
\ |
1. 使特殊字符变为普通字符 2. 使普通字符获得特殊含义 | \d |
字符类元字符
| 元字符 | 功能描述 | 示例 |
|---|---|---|
[ ] |
定义字符集合，匹配其中任意一个字符 | [aeiou] |
[^ ] |
匹配不在方括号中的任意字符 | [^0-9] |
- |
在字符类中表示字符范围 | [a-z]、[0-9A-F] |
量词元字符
| 元字符 | 功能描述 | 示例 |
|---|---|---|
\* |
匹配前面的子表达式零次或多次 | ab*c |
+ |
匹配前面的子表达式一次或多次 | ab+c |
? |
匹配前面的子表达式零次或一次 | colou?r |
{n} |
精确匹配前面的子表达式n次 | a{3} |
{n,} |
匹配前面的子表达式至少n次 | a{2,} |
{n,m} |
匹配前面的子表达式n到m次 | a{2,4} |
分组和选择元字符
| 元字符 | 功能描述 | 示例 |
|---|---|---|
( ) |
定义子表达式或捕获组 | (ab)+ |
| |
表示逻辑”或”关系 | cat|dog |
特殊字符类元字符
| 元字符 | 功能描述 | 等价字符类 |
|---|---|---|
\d |
匹配任意数字 | [0-9] |
\D |
匹配任意非数字 | [^0-9] |
\w |
匹配任意单词字符（字母、数字、下划线） | [a-zA-Z0-9_] |
\W |
匹配任意非单词字符 | [^a-zA-Z0-9_] |
\s |
匹配任意空白字符（空格、制表符、换行符等） | [ \t\r\n\f] |
\S |
匹配任意非空白字符 | [^ \t\r\n\f] |
边界匹配元字符
| 元字符 | 功能描述 | 示例 |
|---|---|---|
\b |
匹配单词边界（单词与非单词字符的交界处） | \bcat\b |
\B |
匹配非单词边界 | \Bcat\B |
\bcat\b 匹配 cat 但不匹配 category，\Bcat\B 匹配 scattered中的 cat但不匹配单独的 cat
其他元字符
| 元字符 | 功能描述 | ASCII值 | 常见来源 |
|---|---|---|---|
\n |
匹配换行符（换行） | 0x0A | Unix/Linux 换行符 |
\t |
匹配制表符 | 0x09 | 键盘 Tab 键 |
\r |
匹配回车符 | 0x0D | 老式 Mac 换行符，Windows 换行符的一部分 |
\f |
匹配换页符 | 0x0C | 打印机换页 |
\v |
匹配垂直制表符 | 0x0B | 垂直制表 |
修饰符
正则表达式修饰符（也称为模式修饰符或标记）是用于改变正则表达式匹配行为的特殊指令，标记不写在正则表达式里，标记位于表达式之外，格式：/pattern/flags
| 修饰符 | 功能描述 | 示例 |
|---|---|---|
i |
忽略大小写，使匹配不区分大小写 | /abc/i |
g |
全局匹配，查找所有匹配项而不是第一个就停止 | /ab/g |
m |
多行模式，使 ^ 和 $ 匹配每行的开头和结尾 |
/^abc/m |
s |
单行模式，使点号 . 匹配包括换行符在内的所有字符 |
/a.b/s |
u |
Unicode模式，启用完整的Unicode支持 | /\p{L}/u |
y |
粘性匹配，从目标字符串的当前位置开始匹配 | /a/y |
x |
扩展模式，忽略模式中的空白和注释 | /a b c/x |
断言
断言（Assertion）是正则表达式中用于指定匹配位置的元字符，它们不匹配任何实际字符，而是匹配字符之间的位置
| 断言类型 | 正则语法 | 别称 | 检查方向 | 期望条件 |
|---|---|---|---|---|
| 正向先行断言 | (?=pattern) |
正前瞻 | 向右（向前） | 存在 pattern |
| 负向先行断言 | (?!pattern) |
负前瞻 | 向右（向前） | 不存在 pattern |
| 正向后行断言 | (?<=pattern) |
正后顾 | 向左（向后） | 存在 pattern |
| 负向后行断言 | (?<!pattern) |
负后顾 | 向左（向后） | 不存在 pattern |
功能特点
零宽度：只检查条件，不消耗字符（不包含在匹配结果中）
非捕获：断言中的 pattern 不会被捕获到分组中
顺序敏感：匹配引擎按顺序检查断言条件
运算符优先级
下表从最高到最低说明了各种正则表达式运算符的优先级顺序
| 运算符 | 描述 |
|---|---|
\ |
转义符 |
(), (?:), (?=), [] |
圆括号和方括号（分组和字符类） |
*, +, ?, {n}, {n,}, {n,m} |
限定符（量词） |
^, $, \任何元字符、任何字符 |
定位点和序列（位置和顺序） |
| |
替换，逻辑或 |
分组和引用
在正则表达式中，分组（Grouping）允许我们将多个字符视为一个整体单元
基本语法
使用圆括号 () 来创建分组：(表达式)
例如，(ab)+ 可以匹配 “ab”、”abab”、”ababab” 等，但不能匹配 “a” 或 “b”
分组类型
| 分组类型 | 语法 | 功能描述 |
|---|---|---|
| 捕获分组 | (表达式) |
捕获匹配内容并分配编号（从1开始） |
| 非捕获分组 | (?:表达式) |
只分组但不捕获匹配内容 |
| 命名分组 | (?<name>表达式) 或 (?P<name>表达式) |
捕获匹配内容并分配名称 |
分组引用
| 引用类型 | 语法 | 功能描述 |
|---|---|---|
| 反向引用（表达式内） | \数字 |
在正则表达式内部引用前面捕获分组的内容 |
| 命名反向引用（表达式内） | \k<name> |
在正则表达式内部引用前面命名分组的内容 |
| 替换引用（替换操作中） | $数字 或 \数字 |
在替换字符串中引用前面捕获分组的内容 |
